基于回归克里格的河北省土壤有机质时空变化特征研究

采用GIS空间分析和回归克里格空间插值方法,对1980～2010年间河北省表层土壤有机质(SOM)的时空变化进行对比分析。结果表明:时间上,1980～2010年,河北省SOM含量总体呈降低趋势,SOM平均降低3.6 g/kg。空间上,近30年来全省SOM含量整体上呈现西北减东南增的趋势,增幅总体上由西北向东南依次增加;且SOM含量增加的面积占全省面积的65.54%,主要分布在南部平原地区和唐山、秦皇岛等地。分析表明,这种变化格局的形成主要与施用化肥、实施秸秆还田等人类活动有关。本研究为预测粮食产量、优化施肥管理、保护生态平衡和耕地的可持续发展等提供了科学依据。     

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明:协同克里格插值和地理加权回归模型对土壤属性的空间模拟均有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明：协同克里格插值和地理加权回归模型对土壤属性的空间模拟都有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

基于特征变量与支持向量机回归克里格(SVRK)法的湿地土壤有机质空间变异特征分析

选取有效变量与适宜方法有助于揭示河口湿地土壤有机质的空间分异特征,对维护湿地生态平衡和全球碳循环具有重要作用。以福州市闽江河口湿地为研究区,采用逐步回归分析(SLR)与主成分分析(PCA)法筛选显著的特征变量,运用支持向量机回归克里格(SVRK)法分析了湿地土壤有机质的空间异质性,并与神经网络克里格(BPNNK)法、回归克里格(RK)法进行了比较。结果表明:通过SLR和PCA分析发现,归一化植被指数(NDVI)、比值植被指数(RVI)、土壤水分指数(PDI)、汇流累积量(FA)及沉积物移动指数(STI)与土壤有机质含量关系密切,其判定系数R²为0.446,显著性概率值P<0.0001,可转换为3个独立的特征变量用于模型的预测。研究区土壤有机质的空间变异主要受结构性因素影响,呈现出"北低南高"的空间格局,采用SVRK模型的预测精度更高,能较好地体现河口湿地土壤有机质的空间异质特征。该研究可为同类区域的土壤有机质空间特征研究提供方法支撑。     

平原丘陵过渡区土壤有机质空间变异及其影响因素

研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。     

基于地理加权回归的地形平缓区土壤有机质空间建模

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran’s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,“高-高”聚集区主要分布在苏中和苏南地区,“低-低”聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

基于环境因子和联合概率方法的土壤有机质空间预测

<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相     

采煤矿区表层土壤有机质含量遥感反演

利用LandSat ETM+影像反演煤炭开采区表层土壤有机质含量的空间格局,对采样点各波段光谱反射率进行数学变换,并将所得结果与有机质含量进行相关性分析.挑选出敏感波段,建立了表层土壤有机质含量的光谱预测模型.结果表明,研究区表层土壤有机质含量与第5波段和第7波段反射率呈极显著的负相关关系(R分别为-0.585和-0.543,P＜0.001);对反射率进行数学变换可以改善其与有机质之间的相关性;用第1波段反射率对数的倒数和第5波段反射率的倒数建立二元回归方程(R2 =0.616 2,p＜0.001)对研究区土壤有机质有很好的预测能力(R2 =0.616 2,RMSE=0.89);有机质含量在10～15g/kg范围的图斑面积最大,占研究区总面积的50.44％;表层土壤有机质随开采沉陷坡度的增加呈减少的趋势;煤炭开采沉陷对表层土壤有机质含量的扰动属于失碳效应.     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

基于双时相卫星遥感光谱指数估算土壤有机质含量

以黄淮海平原典型县——封丘县为研究区，探讨了在一年两熟、裸土时间窗口较短的区域中，基于两景影像波段组合构建的双时相光谱指数在有机质含量预测中的表现。研究共计采集117个代表性土样，以分析筛选出的裸土期(10月)内双时相(获取时间：2014年10月6日和2017年10月30日)高质量Landsat 8卫星影像作为数据源，构建了4种类型的光谱指数：比值光谱指数、差值光谱指数、归一化光谱指数以及优化光谱指数，并结合最小绝对收缩和选择算子变量筛选方法和支持向量机算法建立了有机质预测模型。留一交叉验证结果表明，与直接使用影像波段反射率或者基于单景影像构建的光谱指数(单时相光谱指数)相比，利用双时相光谱指数可以更好地利用时相信息优势，其有机质预测精度更高(R2=0.53,RMSE=2.01 g/kg)。而且，基于双时相光谱指数所构建的预测模型得到的有机质空间分布格局与真实值较为吻合。可见，本文提出的在黄淮海平原典型县域利用双时相光谱指数预测土壤有机质的方法，可以促进具有短裸土期特点区域的高分辨率土壤属性遥感预测与制图研究。     

基于地统计与遥感反演相结合的有机质预测制图研究

土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。     

利用与回归模型相结合的克里格方法对农田土壤有机碳的估值及制图

采用与回归模型相结合的普通克里格方法（OKR）．研究了沈阳市南郊17．6hm^2农田耕层土壤有机碳（SOC）的空间分布特征。以72个上层（0～10cm）SOC数据为辅助变量，分别以36个及24个下层（10～20cm）SOC数据为目标变量，分别进行普通克里格（OK）、协同克里格（CK）及OKR插值分析。结果表明．OKR估值的精度显著高于缺省样本条件下的OK及CK。OKR交互检验的决定系数尺。相对较高，平均误差ME的绝对值及标准化平均误差MSE接近于0、平均标准误差ASE与均方根误差RMSE较小、标准化均方根误差RMSSE接近于1．其交互检验的参数与利用全部72个样点进行的OK估值最接近。基于OKR估值的SOC空间分布图与基于全部72个样点进行的OK估值的结果具有高度的相似性。说明在目标变量数据有限的条件下，借助辅助变量，采用OKR是进行SOC分布调查的一套有效的地统计学分析方法。     

基于高光谱遥感土壤有机质含量预测研究

高光谱遥感技术是土壤养分含量监测的一种先进手段,能及时、准确地监测滨海滩涂土壤养分的动态变化,对滨海湿地生态环境保护具有重要意义。以辽河三角洲滨海湿地滩涂为研究对象,在对地面高光谱数据与实验室样本理化性质分析的基础上,经过微分以及连续统去除法相关分析,分别建立了多元线性回归模型和偏最小二乘法(PLSR)模型,并对模型结果进行分析、比较。结果显示,连续统去除法能有效的提高有机质含量与光谱反射率之间相关性,基于此变换所建立的多元线性回归模型R2达到了0.7545,RMSE为1.2216;偏最小二乘模型R2达到了0.8792,RMSE为1.2299。所建模型具有预测土壤有机质含量的潜力,其中偏最小二乘法优于多元线性回归法。     

基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究

遥感数据已经在数字土壤制图中得到广泛应用,并且可以一定程度上提高土壤属性预测的精度。本文以榆阳区的黄土丘陵和风沙滩地两种地貌区为例,利用不同分辨率的专题制图仪(thematic mapper,TM)、先进宽视场传感器(advanced wide field sensor,AWIFS)和中等分辨率成像仪(Moderate resolution imaging spectroradiometer,MODIS)的遥感影像数据(分辨率分别为30 m、56 m和250 m)和基于高级热量散射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生数据,结合其他影响土壤有机质分布的辅助因子,用随机森林算法(random forest,RF)对表层土壤有机质进行模拟预测,并通过实测数据的百分比抽样对预测结果进行了验证。结果表明,在榆阳区的黄土丘陵区,基于TM数据的土壤有机质预测结果较好;在风沙滩地区,基于AWIFS数据的土壤有机质预测结果较好。基于RF的土壤有机质预测在榆阳区的黄土丘陵区结果较好,三个分辨率下的平均绝对误差在1.27~1.57 g kg-1之间,在风沙滩地区预测精度较低,平均绝对误差在1.46~2.08 g kg-1之间。高程、地理位置和植被是影响黄土丘陵区土壤有机质预测的主要因素,在风沙滩地区,植被、高程和离水源地的距离是影响有机质预测的主要因素。可见,在地貌相对简单的地区进行土壤有机质含量的预测时可以使用较低分辨率的数据代替较高分辨率的数据,同时,RF算法在复杂地貌区的土壤有机质预测更有效。     

基于GF-1遥感数据预测区域森林土壤有机质含量

为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0～20 cm,L2:20～40 cm,L3:40～...     

紫色土色度参数与铁锰形态及有机质的定量关系研究

以四川省30个典型紫色土剖面共计100个样品为研究对象,对其进行室内颜色测定和化学分析测试,获取Munsell HVC、CIE L^*a^*b^*色度参数、各形态铁锰含量(全量Fe_t/Mn_t,游离态Fe_d/Mn_d,活性态Fe_o/Mn_o和络合态Fe_p/Mn_p)及有机质含量数据。采用相关分析和逐步回归分析方法,研究紫色土色度参数与铁锰形态及有机质的定量关系。结果表明:紫色土有机质含量仅与C、a^*和b^*呈显著负相关,与H、V和L^*没有相关关系。铁锰含量与颜色有着密不可分的联系,Fe_t、Fe_o、Fe_p、Mn_t、Mn_d和Mn_o与两颜色系统色度参数均有显著相关关系。除络合...     

四川郫县土壤耕层有机质时空变异特征

在ArcGlS8.1软件系统平台上,通过分析四川郫县土壤耕层1981年93个样点和2002年46个样点的有机质含量,研究了该县有机质的时空变化特征。结果表明,郫县耕层土壤有机质平均含量从1981年的26.4gkg-1增加到2002年的28.2gkg-1。其区域变化差异为:东部略微下降,中部与西部增加。近21年来水稻土有机质平均含量仅少量增加,而黄壤则增幅明显。距成都市区的远近和推广秸秆还田程度是引起耕层土壤有机质含量时空变异的主要原因。     

紫色土区小流域土壤保持服务功能的空间分布特征

[目的]分析不同坡度、土壤类型、土地利用下的土壤保持服务功能分布,为减少土壤流失和改进土地利用规划提供科学依据。[方法]结合修正通用土壤流失方程(RUSLE)和GIS技术,以曲水河小流域为典型研究区,基于DEM、土壤、土地利用等基础数据,分析了研究区土壤保持服务功能的分布现状及影响因素。[结果](1)该流域土壤保持总量为1.10×107 t/a,单位面积土壤保持量为384.74t/(hm2·a),具有较高的生态系统服务功能重要性;(2)土壤保持服务功能总体呈现从河谷阶地逐渐向周边丘陵坡地递增的空间分布特征;(3)强烈及以上侵蚀强度区、8°~25°的坡度区、耕地、钙质紫泥田区和红棕紫泥土区应为土壤保持工作的热点区域。[结论]不同坡度、土壤类型、土地利用类型下土壤保持服务功能差异显著,可以通过改良土壤、提高植被覆盖和采取土壤侵蚀防治措施提高土壤保持服务功能水平。